数据分析日常思考

最近开始看越来越多和数据分析相关的文章、知识点、书籍,下面是记录的和数据分析相关的一些笔记,包括应该怎样数据分析、虚荣指标、应该关注哪些指标、常用分析方法、常见模型、数据分析书单等。

记录的有些点不一定对,可参考,毕竟我也不是专业的数据分析。

数据分析(做数据分析前需要思考的四点)

为什么要做数据分析

什么是数据分析

怎么进行数据分析

数据分析怎么落地

PV(浏览次数):

在关注这个指标时,我们首先需要明确为什么关注它。如果我们做的是媒体类产品或和商业模式直接挂钩的(商业广告),那关注PV会显得尤为重要。

一个用户访问页面多次,会记多个访问量,这个数据最容易膨胀,也许1万的访问量只有100个独立访客,所以访问量不能说明什么实际问题。比如,对于互金产品而言,总在标榜自己的PV有多高,也没什么实际意义。

UV(独立访客):

和PV相比,UV会相对好一些。10万的PV,可能是有1万的UV,又或许是1000的UV。相比而言,UV可以更直观的反映用户参与量,比PV来的更有意义些。

但是,独立访客数,只能说明有多少用户访问了这个页面,但并不知道这些用户在上面做了什么,是否已经离开。

点击量:

这是现在的互联网洪荒时代所使用的常见数据指标。只要页面上有可以点击的东西,就可以进行统计。

比如一个简单的领红包活动,领取按钮的点击量,可能每天有几十万次,这其中,可能每个用户点击了几十上百次,相比之下,想要分析实际的红包发放和使用情况,可能更应该去统计活动的领取人数和使用比例等,并和之前的数据做好对比,分析效果。

网站停留时间:

用这个指标来衡量用户参与度并非明智之举,用户在页面停留了很长时间,也许,最近用户参与度提高,是因为产品的某次迭代导致有些地方用户看不懂,在跟客服沟通或投诉,这时,不一定停留时间长就是好事,而应该针对具体情况进行分析。

APP下载量:

开拓了几个新渠道,APP的下载量突然飙升,或许你会欣喜若狂,但这时候,需要冷静,我们更应关注的是激活量、注册量等,了解我们真正转化了多少用户,下载量本身不能带来什么实际的价值。

注册用户数:

可能最近,公司合作了几个新的推广渠道,注册量激增,这个数据的背后,是否真的反映了最近拉新的效果很好呢?

其实,不一定。注册用户数的增长,我们还需要关注这些渠道的推广费用花费了多少,实际的转化率有多少,和其他渠道的转化比例和成本支出进行对比等,才能知道实际的投资回报率。

活跃用户数:

活跃用户数本身不能说明什么问题。两个同样有5万活跃用户数的产品,一个有100万的注册用户,一个是50万的注册用户,那么哪个产品做得更好呢?

其实,更具参考价值的是活跃用户数占总用户数的比例。

累计投资额:

互金平台,几乎每个产品首页都赫然印着累计投资额多少亿,看似是个很漂亮的数字,实际只是个单调递增数据,只要有人在投资,这个数据就会持续上升,本身没有实际的参考价值,更需要衡量的是每日的投资量,最近的上升比例等。

关注数据方面除了关注量级上的指标,还应该关注质量上的指标

量级指标

web:访问量、pv、uv

APP:启动次数、DAU、NDAU等

质量指标

web:平均访问时长、平均一次会话浏览页数、跳出率

APP:平均使用时长、人均启动次数

来访用户类型占比

web:新访问用户/老访问用户

APP:DAU/NDAU

数据分析具体方法

链接标记

渠道归因(用户来源管理)

漏斗分析(AARRR模型)

拉新:曝光数、点击数、打开率、下载量、安装量、用户获取成本(应该关注的主表)

促活:设备激活量、新注册用户量、订阅数量、事件达成数、浏览数、日活率

留存:次日留存率、7日留存率、距离上次使用时长、DAU/MAU、7日回访率

收入:付费率、付费频次、客单价、用户价值

传播:转发数、邀请数、评论数、K因子

分群分析(用户画像)

留存分析

同期群分析

用户细查(行为轨迹)

热图分析

A/B测试

趋势分析

维度拆解(拆分成多个不同的维度来分析)

魔法数字(Facebook的7个好友)

DOSS分析法(具体问题→整体方案→单一回答→规模化方案)

内外因素分解发:把问题拆成四部分,内部因素、外部因素、可控和不可控,在是个象限中,

内部可控因素:立即执行

内部不可控因素:协调沟通

外部可控因素:相关渠道

外部不可控因素:确定假设

对比分析

横向对比——跟自己对比

纵向对比——跟其他对比

交叉分析:从多个维度细分数据,从中发现最为相关的维度来探索数据变化的原因

逻辑拆解与漏斗分析,例如:销售额=UV*转化率*客单价

逻辑拆解(寻找和核心指标相关的指标,一定要强相关,并且会影响核心指标的变动)

核心指标

核心指标一

核心指标二

核心指标三

。。。

分层拆解(MECE法则)

相关指标一

细分相关指标

细分相关指标

。。。

相关指标二

细分相关指标

细分相关指标

。。。

相关指标

细分相关指标

细分相关指标

。。。

提升流量转化率

什么是转化

转化的概念:完成期望目标的用户比例

大转化和小转化

大转化:核心指标(北极星指标)

小转化:完成核心指标需要的步骤,每一步的转化

转化分析方法

优先级排序

LIFT框架

ICE框架:impact(影响力)、confidence(自信心)、ease(难易度)

PIE框架:popential(潜力)、importance(重要性)、easiness(容易程度)

产品经理 | 数据分析学习推荐书单

基础理论

深入浅出数据分析

深入浅出统计学

精通业务

大数据时代

增长黑客(范冰)

熟悉方法

精益数据分析

精通web analytics 2.0

数据之美,一本书学会可视化设计

商务智能

运用工具

SQL必知必会

利用Python进行数据分析

R语言实战

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180905G03HD100?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券